用于 COVID-19 检测的人工智能——一项前沿综述
机器学习
2020-12-14 v1 人工智能
计算机视觉与模式识别
摘要
COVID-19 的出现迫使科学界为其妥善应对做出诸多努力。面对该大流行持续造成的破坏，亟需临床上的紧急响应。这些努力包括用于改进筛查、治疗、疫苗研发、接触者追踪以及生存预测的技术创新。在上述各个领域均可寻求深度学习(DL)与人工智能(AI)的应用。本文旨在综述深度学习与人工智能在 COVID-19 整体应对尤其是检测与分类各方面中的作用。所开发的 DL 模型用于分析患者的 CT 扫描和 X 射线图像等临床模态，并预测其病理状况。DL 模型旨在检测 COVID-19 肺炎，并对 COVID-19、社区获得性肺炎(CAP)、病毒性与细菌性肺炎以及正常状况进行分类区分。此外，可构建精细模型以分割肺部受累区域并量化感染体积，从而更好地理解损伤范围。许多模型已独立开发或借助 VGG19、ResNet50 和 AlexNet 等预训练模型并利用迁移学习概念构建。除模型开发外，还进行了数据预处理与增强，以应对医学应用中常遇到的数据样本不足的挑战。可以预见，DL 与 AI 可有效实施以应对全球紧急事件带来的挑战。
引用
@article{arxiv.2012.06310,
title = {Artificial Intelligence for COVID-19 Detection -- A state-of-the-art review},
author = {Parsa Sarosh and Shabir A. Parah and Romany F Mansur and G. M. Bhat},
journal= {arXiv preprint arXiv:2012.06310},
year = {2020}
}